如何按分组获取指定变量特定值对应的最新日期并生成新列

以下提供3种主流工具的实现方式： #

1. Python Pandas 实现 #

先将日期列转换为日期类型方便比较，再按ID分组计算每组内Dummy为1的最大日期映射回原表：

import pandas as pd

# 转换日期格式
df['Date'] = pd.to_datetime(df['Date'], format='%m/%d/%Y')

# 分组计算Latest列
df['Latest'] = df.groupby('ID')['Date'].transform(
    lambda x: x[df.loc[x.index, 'Dummy'] == 1].max()
# 按需转回原字符串格式，不需要可以删掉这行
).dt.strftime('%-m/%-d/%Y')

2. SQL 实现 #

用窗口函数按ID分区，取分区内Dummy为1的最大日期：

SELECT 
    Date,
    ID,
    Dummy,
    MAX(CASE WHEN Dummy = 1 THEN Date END) OVER(PARTITION BY ID) AS Latest
FROM 你的表名

如果日期存储为字符串格式，先转为日期类型计算后再转回对应格式即可。 #

3. Excel 实现 #

假设数据从第2行开始，A列为Date、B列为ID、C列为Dummy，在D2单元格输入以下公式：

=MAX(IF(($B$2:$B$13=B2)*($C$2:$C$13=1),$A$2:$A$13,""))

• 2019及更早版本：输入完按Ctrl+Shift+Enter触发数组计算
• 365/2021及以上版本：直接回车即可
  输入后下拉填充所有行，将D列单元格格式设置为日期格式即可得到需要的结果。

内容的提问来源于stack exchange，提问作者ArSnR